[发明专利]一种基于图像低频信息相似度的匹配图像对识别的方法

说明书

本发明公开了一种基于图像低频信息相似度的匹配图像对识别的方法，能够区分匹配图像对与非匹配图像对在匹配点所在区域的相似度，实现匹配图像对识别。本发明包括如下步骤：（1）通过匹配特征点对来选取对比区域；（2）通过反余弦变换获取对比区域的低频信息；（3）根据感知哈希算法来评价对比区域的相似度，并通过中值过滤掉噪点数据；（4）求对比区域相似度均值，并根据阈值设定判别是否为匹配图像对。本发明可以快速可靠地识别出匹配图像对，筛除大量非匹配图像对，可用于提高特征点匹配环节的效率。

技术领域

本发明属于图像识别技术领域，具体涉及一种基于图像低频信息相似度的匹配图像对识别的方法。

背景技术

在特征点匹配任务中，对于缺乏预测照片相互重叠关系辅助信息的情形，传统的特征点匹配方法是对任意两幅图像上的特征点进行匹配，即采用暴力穷举方式选取匹配图像对，但一般而言，每张图像只与相邻区域采集的图像之间具有重合区域，只有重合区域才可能存在正确的匹配特征点对，即与大多数图像集合中的图像并没有进行特征点匹配的价值和必要。非匹配图像对没有重合区域，对其进行特征点匹配，不仅是无用功，而且会增加过滤误匹配特征点的难度和工作量，并且未能过滤掉的误匹配特征点也会对后续处理产生影响，如会成为三角重建的噪声数据，影响三角重建结果的精度。

另一种方式是基于有序图像选取匹配图像对。对于有序图像数据，由于采集的图像是有序的，对应的场景也是连续的，可以利用这个先验知识，在选取匹配图像对时加以利用。对于每一幅图像只与它的前几幅和后几幅图像进行匹配，就可以获取大部分匹配点，而不需要将每幅图像与所有图像两两匹配。

但这种方法对于拍摄方式有特殊要求，即按照逆时针或者顺时针环绕物体一周拍摄图像。对于其他图像采集方式则难以适用，比如：多圈围绕式和平铺式。如上图所示，会遗漏匹配图像对，造成有效数据流失。这已经不是匹配图像对选取算法有效性的问题，而是可靠性的问题。另一个不足之处是：近邻选择范围的不确定性，选取3个或5个近邻图像作为匹配图像只能靠目测，不能灵活应对实际的情形。

发明内容

为解决上述问题，本发明公开了一种基于图像低频信息相似度的匹配图像对识别的方法，能够区分匹配图像对与非匹配图像对在匹配点所在区域的相似度，快速可靠地识别出匹配图像对，筛除大量非匹配图像对，可用于提高特征点匹配环节的效率。

为达到上述目的，本发明的技术方案如下：

一种基于图像低频信息相似度的匹配图像对识别的方法，包括以下步骤：

(1)通过匹配特征点对来选取对比区域；

(2)通过反余弦变换获取对比区域的低频信息；

(3)根据感知哈希算法来评价对比区域的相似度，并通过中值过滤掉噪点数据；

(4)求对比区域相似度均值，并根据阈值设定判别是否为匹配图像对。

所述步骤(1)具体包括以下步骤：

(11)从待筛选的图像集合中任选一对图像，记为P₁和P₂，对P₁和P₂上的特征点按显著度(Response)排序，选取Response值较大的前20对进行特征点匹配，得到一个匹配特征点集合Matches；

(12)从Matches中取一对匹配特征点KeyPoint-1、KeyPoint-2，以P₁中的特征点KeyPoint-1为中心选取32*32的区域R₁，以P₂中的特征点KeyPoint-2为中心选取32*32的区域R₂，以R₁，R₂为一对对比区域；

(13)重复步骤(12)，获取若干对对比区域。